<?xml version="1.0"?>
<metadata xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/"><dc:title>Analiza učinkovitosti algoritmov pri prepoznavanju in odstranjevanju sovražnega govora in lažnih informacij</dc:title><dc:creator>Feltrin,	Alen	(Avtor)
	</dc:creator><dc:creator>Polančič,	Gregor	(Mentor)
	</dc:creator><dc:subject>umetna inteligenca</dc:subject><dc:subject>sovražni govor</dc:subject><dc:subject>dezinformacije</dc:subject><dc:subject>BERT</dc:subject><dc:subject>družbena omrežja</dc:subject><dc:description>Diplomsko delo preučuje učinkovitost algoritmov umetne inteligence pri zaznavanju sovražnega govora in dezinformacij v angleškem in slovenskem jeziku. Ocenjeni so bili modeli BERT, IMSyPP in SVC na javnih podatkovnih nizih. Rezultati potrjujejo prednost globokih modelov v angleščini, medtem ko v slovenščini učinkovitost omejuje pomanjkanje lokalnega prilagajanja. Analiza razkriva vpliv jezikovne pristranskosti ter potrjuje pomen metod razložljive umetne inteligence (LIME) za večjo transparentnost in zaupanje pri moderaciji vsebin.</dc:description><dc:publisher>[A. Feltrin]</dc:publisher><dc:date>2025</dc:date><dc:date>2025-09-12 11:59:05</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>95315</dc:identifier><dc:identifier>UDK: 004.8.021:077.5(043.2)</dc:identifier><dc:identifier>COBISS_ID: 262198531</dc:identifier><dc:language>sl</dc:language></metadata>
